Java中使用AntiSamy时的换行符不一致问题

这个问题我之前也碰到过，本质是AntiSamy会自动规范化换行符，导致你看到的“看起来一样”的字符串，底层的字符编码其实不一样，所以equals返回false。

问题根源 #

你的原始输入（来自GUI）大概率是Windows风格的换行符\r\n（回车+换行），而AntiSamy在清理HTML时，会按照HTML规范把所有换行格式（\r\n、\r、\n）统一转换成Unix风格的\n。虽然肉眼看文本完全一致，但两个字符串的字符序列已经不同了——一个是First line\r\nSecond line，另一个是First line\nSecond line，直接用equals自然不相等。

你可以用这段代码验证一下：

// 打印原始输入的每个字符编码
for (char c : value.toCharArray()) {
    System.out.printf("0x%04X ", (int) c);
}
System.out.println();

// 打印清理后内容的每个字符编码
for (char c : cr.getCleanHTML().toCharArray()) {
    System.out.printf("0x%04X ", (int) c);
}

运行后你会看到，原始换行对应的是0x0D 0x0A（\r\n），而清理后的换行是0x0A（\n）。

解决方案 #

有两种思路可以解决这个问题：

1. 比较前统一换行格式

在比较前，把两个字符串的换行符都转换成同一种格式，比如统一为\n：

// 简单处理：只替换Windows换行
boolean isEqual = value.replace("\r\n", "\n").equals(cr.getCleanHTML());

// 更通用的处理：覆盖所有换行类型
String normalizedInput = value.replaceAll("\\r\\n|\\r|\\n", "\n");
String normalizedClean = cr.getCleanHTML().replaceAll("\\r\\n|\\r|\\n", "\n");
boolean isEqual = normalizedInput.equals(normalizedClean);

2. 调整AntiSamy配置（不推荐）

如果你一定要保留原始的换行格式，可以尝试修改AntiSamy的策略文件，不过这并不推荐——因为HTML规范本身就会统一处理空白字符，强制保留原始换行可能会导致输出的HTML在不同浏览器/环境下表现不一致。如果确实要尝试，可以检查策略文件中是否有控制空白字符处理的配置项，不过默认的AntiSamy行为是符合HTML标准的。

补充说明 #

AntiSamy依赖的HTML解析器（比如Neeko）会自动规范化空白字符，这是为了保证输出的HTML结构一致，避免因不同系统的换行格式导致的兼容性问题。所以遇到这种“看起来一样但equals不相等”的情况，首先就要考虑空白字符（换行、空格、制表符）的规范化问题。

内容的提问来源于stack exchange，提问作者Rodrigo Rapozo